回首頁網站地圖聯絡我們简体版
企業導入 Big Data 的策略地圖

前言

ICT繼Cloud Computing之後,能夠跨產業受重視並引起大眾媒體追捧的議題,莫若Big Data了。隨此議題持續發燒,數年前曾有一波熱潮的商業分析再度成為顯學;美國、歐盟、中日韓與新加坡各國都視Big Data為國家戰略,以國家資源投入相關產業。
然而眾多熱議之後,除了Internet產業外,究竟有多少企業已經或開始導入Big Data了?許多企業主都關切、至少想了解Big Data能對企業作何貢獻?又如何著手進行?大家都預言未來十年最火最缺的職務是資料科學家,是否只要搶到技術人才,將資料海撈而後好好爬梳一遍,就能發現商機洞見,一切迎刃而解?
問題當然沒那麼簡單!其實連許多歐美大企業也處於評估至多初始導入階段,更遑論台灣了。就「導入Big Data以助營運」的議題而言,本地企業目前也大多保持觀望,並期望有成功案例可供參考。本文擬就企業導入Big Data的策略作說明,期許有助於企業高管之評估,並就教於各方專家。
下圖為本文主旨的策略地圖:



以下分別說明之。
 
企業文化

Big Data於企業何用?其精髓在於善用資料,挖掘商業洞見,從而開發破壞式創新的商業應用。容筆者先舉個例子:麥當勞台灣vs.日本;
  • 台灣麥當勞 – 近幾年相繼推出延長營業時間、Mc Cafe、超值早午餐與外送服務,今年五月驚聞其再推超值晚餐,好奇往觀消費,竟然是不限時段全日超值套餐!!這就是直接降價了,那麼下一步呢?
  • 日本麥當勞 – 自2008年開始,藉由減少排隊及結帳的麻煩(APP點餐 --> e money結帳 --> NFC取餐)逐步建立了會員機制,接著利用Big Data分析成功提昇了業績(購餐紀錄發展推薦預測模型 --> 提供各式個性化優惠券)。
台灣麥當勞不可謂不努力求突破,連外送服務都提供了,還能做更多嗎?最後只能屈從市場壓力全面降價。反觀日本麥當勞,發揮新科技來創新行銷,不需全面降價而讓顧客更滿意。其差別在於,前者採用傳統的行銷方法,而後者導入資料分析的洞見。
而談到導入Big Data,意謂要藉由Big Data獲致成功,這必須由改變企業決策的心態開始。正所謂心態改變,態度就會改變;態度改變,即可轉化為行動。因此企業高管首先須打破「官大學問大」、依經驗作決策的慣性,轉而相信資料、推動「Data-Driven Decision Making」。經驗依託人,會摻雜主觀與私心,也會面臨人員異動的問題;資料則相對客觀,數字會說話,往往發掘出超越主事者經驗的洞見,別具商業價值。其次是要尋求創新,尤其是破壞式創新,避用大家都會的傳統方法。如果競爭者都作同質的方案例如降價,那就只能共墮微利紅海;反之藉由資料分析推出創新行銷,將可躍入藍海,並且構築一道堤防形成追趕者的障礙。
企業高管毋須擔心Data-Driven Decision Making導致其被電腦取代而無價值,剛好相反,其產業經驗正是「正確解讀資料分析結果以發展商業洞見、並擬訂有效創新策略」的關鍵。換言之,Big Data是協助企業創新的新世紀武器。因此欲成功導入Big Data,企業須先建立新思維:
  • 資料是企業的戰略資源,充分利用且相信資料,實施Data-Driven Decision Making;
  • 推動破壞式創新,將資料分析結果與獲得的洞見運用於業務上,以取得競爭優勢。
一言以蔽之,即塑造「資料驅動企業Data-Driven Enterprise」的企業文化。否則趕流行導入新科技,卻不充份運用、無法將其結果轉化為營運創新,那只是徒然浪費資源而已。
 
組織與策略

假設某公司主管階層已有共識要導ERP,但卻不願檢討與改善業務流程,只冀望ERP系統快速上線後即能大幅提昇營運績效,這無異緣木求魚。導入新技術與作法,除了前述第一步更新思維之外,接下來就是建立新的運作體系,包括組織與策略。
因應Big Data的組織為何?一般企業的BI系統多委由IT管理,而資料分析師多隸屬於行銷部門;傳統上IT不懂(其實也沒興趣)業務,而業務與行銷部門大多也不懂IT,這形成了二者溝通合作的鴻溝。在強調業務創新的Big Data時代,這個落差必須拉近甚或弭平;而將Big Data之技術與人才導入、全部置於IT之下,恐難達成目標。因為IT於企業的角色少有被賦予創新任務者,主要是維繫服務穩定、行有餘力再以最小成本提高系統效率。Recruit集團為此做了一個良好的示範 — 成立MIT (Marketing+IT)部門以統一服務旗下網站事業群,如下圖。MIT成為集團業務/行銷與IT間的溝通橋樑,與IT合作搞定Big Data技術議題、與業務/行銷人員共創營運佳績。



一旦設立了Big Data專責機構 — 商業分析部門,其所需職缺為何?Gartner列舉了CDO(Data)、CAO(Analytics)、Information Asset Manager、Information Product Manager、Data Scientist等,我想一般企業可能無法於導入期立即設置如此多職能來操作與管理Big Data;務實一點,至少需要一位綜合資料長與分析長的領導職務並配屬相當人數的中階主管與資料科學家。這位領導不妨仍稱之為CDO,負責企業資料政策與分析。
因應Big Data的資料政策為何?CDO須擬定企業資料管理政策,包含但不只有下列項目:
  1. 內部資料盤點機制。將企業內部的操作資料(應用服務系統與OA)、典藏資料(有價值但因成本而離線儲存)、庫存資料(Dark Data,往往是無法判定其價值而姑且封存) 盤點,甚至包含以往限於經費與儲存技術而任其流逝的資料(如網路封包等),重新檢討其個別與綜合價值,設定其生命週期(Life Cycle)。
  2. 外部資料評估方案。哪些Social Media與Open Data等可結合企業內部資料產生更高價值?如何合法取得外部資料 (須注意Open Data未必free於商業用途,適法性很重要)?
  3. 資料管理辦法。例如有價值的資料如何保護、是否透過與其他企業策略聯盟以交換外部資料、是否有價釋出(維多.麥爾荀伯格教授指出「未來 10 年賣資料比賣硬體賺錢」)?價值低的資料是否可free釋出以創造口碑商機(例如遠通電收發佈高速公路車流負載狀況供大眾參考,也許可改善其形象)?外部資料如何取得或採購?等等。
此外,CDO須領導資料科學家以打造優秀的分析團隊、橋接業務/行銷與IT,充分發揮企業分析的價值。去年台灣新創公司Gogolook被Line母公司NAVER併購,正是個好案例。Gogolook的whoscall APP提供來電即時識別惡意電話的功能,創業初期依靠即時搜尋網路資料庫與500萬用戶的回報資料;產品雖有新意,但無法對付尚未被建檔或回報的新電話號碼。此時其所累積的每日1000 萬通call log是大約介於典藏與庫存之間的資料砂土(有可能淪為廢土),完全沒有發揮價值。在導入資料科學家合作後,由發話頻率與對象、鈴響時間,藉以建立行銷與詐騙電話的Call Pattern,達成首通電話93%、第二通電話後96%的預測準確率。這是真正的創新應用,直接將公司服務價值鍍金,而call log轉變為待淘選的金礦砂。
 
人與技術

執行Big Data分析業務所需的資源有三項:資料、人與技術。資料的管理已由上一章闡述,本章主旨討論人與技術。Big Data相關技術人員分屬二個單位:商業分析部門與IT;前者主要為資料科學家,後者為Infra.工程師,其職責如表列。

由上表可知,IT的角色相當於Big Data系統的托管單位,與其管理ERP、BI等系統無異。因此Infra.工程師須學習新的Hadoop生態系統技術、導入其架構、負責其管理;此外,也須負責資料彙整日常作業的維運。
資料科學家則與IT合作調查與篩選資料、建立實體與邏輯資料模型(Data Modeling),獨立(資料科學家自行)探索資料(Explore & Discover),而後與行銷/業務單位合作發展分析模型且修正、驗證之。資料科學家所需技能則包括Hadoop生態系統、SQL/NoSQL資料庫、Java/C++/Perl/Python/Julia/R等各種程式語言、決策樹/迴歸分析/機器學習/文本分析等各種分析方法、資料視覺化(Data Visualization)技術等等。由前面一大串技能說明,哪裡有這樣的通才?難怪業界強調資料科學家是未來十年最火最缺的職務,所幸國外已有大學開始設立相關系所課程來解燃眉之急。
在此有一個問題:傳統BI所謂的資料分析師與資料科學家有何差別?如同GM與CEO的職稱雖異,其職能本質相同;不論採用何種技術,資料分析師與科學家總是持續了解業務、探索資料、迎接分析的挑戰(更大的資料量、更快的效能、新的軟硬體技術、新的分析方法論等)。然而二者仍有些微差異,資料分析師的業務面比重較高於資料科學家,相對的,資料科學家的技術面比重較高於資料分析師。這樣的差異反映出資料科學家並非只是較時髦的稱謂,如CEO之於GM;而是在強調營運創新的Big Data時代,除了有一整套新技術待熟悉,更側重於主動對資料進行未知的探索,故名之為「科學家」。
理想的資料科學家是跨界人才,最好兼具三條件:了解企業的業務與組織、具備資料探勘等統計應用知識、熟悉資料分析工具操作;其人格特質要有良好溝通能力、具創業家精神且保持好奇心與熱情。如此職能一開出來,相信企業都要大歎天才難覓、夢幻團隊難成了。
實務上人才難得,若個人能擁有一至二項的經驗,一個團隊彼此互補協同工作,即能發揮效益、不斷精進。筆者還是要強調,商業分析是活的,隨著業態挑戰不斷改變、資料也不斷更新累進,分析模型與其效度也必須持續調整;因此分析團隊能夠精益求精,更了解業務、更透悉資料、更深化分析,從而更精準預測、獲致更高值的回饋。而商業分析部門是創新的單位,不奢求找到老鳥、專家而一次搞定(老鳥與專家挟多年成功經驗的移植或複製,這是定見非洞見);若能務實求才、穩扎穩打研究公司資料與業務經營模式、與專業公司的顧問合作以汲取分析經驗,如此當能累積能量、自行開發企業洞見。